L'interprétation automatisée des images radar à ouverture synthétique (SAR) est l'une des orientations importantes de l'application de la technologie SAR. Les méthodes d'identification SAR sont principalement divisées en deux catégories : méthodes d'apprentissage machine traditionnelles et méthodes basées sur l'apprentissage en profondeur. Pour la plupart des méthodes traditionnelles d'apprentissage machine, l'extraction des caractéristiques de cible basées sur la diffusion électromagnétique est stable et interprétable. Cependant, le processus d'extraction des caractéristiques efficaces est souvent complexe et a une faible efficacité de calcul. Par rapport aux méthodes traditionnelles, les méthodes d'apprentissage en profondeur peuvent directement apprendre les caractéristiques de cible de grande dimension et obtenir une précision d'identification de cible plus élevée. Cependant, les performances des méthodes d'apprentissage en profondeur sont faibles et difficiles à interpréter. Par conséquent, tenant compte des avantages des deux méthodes, les méthodes d'apprentissage en profondeur basées sur les caractéristiques de diffusion électromagnétique et les caractéristiques du réseau neuronal devraient émerger. Cet article discute des résultats de recherche sur les méthodes d'identification de cible basées sur les avantages des caractéristiques de diffusion électromagnétique et des caractéristiques du réseau neuronal intégrées, détaille l'application de cette idée de fusion des caractéristiques de diffusion électromagnétique dans l'identification de cibles de véhicules, d'avions et de navires, présage les tendances futures de la recherche en matière d'identification de cibles et tire une conclusion.

Télédétection; Radar à ouverture synthétique; Identification de cibles; Réseaux de neurones convolutifs; Caractéristiques de diffusion électromagnétique; Estimation des paramètres